Maps

Spatial prediction

Unterschiede Sprachregionen

Es gibt einen signifikanten Unterschied zwischen den Sprachregionen der Schweiz und dem Anteil Ü90 Jähriger.

• Poisson Regression
• Da die Anzahl der Ü90 in 3 Datensätze unterschiedlich sind, habe ich die Regression auch noch für den UniGe Datensatz durchgeführt (dort weiss ich die Sprachregionen).
• Im Datensatz “AgeDistribution” habe ich nur die Altersverteilung der gesamten Schweiz, aber nicht nach Sprachregionen.
• Die Anzahl der Ü90 im AgeDistrubtion file erscheint mir verglichen zu dem “Original” Datensatz und dem UniGe Datensatz ein wenig zu hoch.
• Die Gesamtbevölkerung erscheint mir wiederrum im UniGe Datensatz zu niedrig
• Für die Berechnung des “Original” Datensatzes habe ich die beoachteten Werte aus dem Datensatz genommen und die Bevölkerung nach Sprachregionen aus dem Datensatz “Population_district_1860_2008.xlsx” (Ich weiss nicht, wo der herkommt. Habe ihn für mein UniGe Projekt benutzt)
• Für die UniGe Daten von 1888, sind alle Daten aus der Volkszählung

## 
## Call:
## glm(formula = Observed_UniGe ~ Language, family = "poisson", 
##     data = data.model, offset = log(Pop_UniGe))
## 
## Deviance Residuals: 
## [1]  0  0  0
## 
## Coefficients:
##                 Estimate Std. Error  z value Pr(>|z|)    
## (Intercept)     -8.86270    0.05944 -149.094  < 2e-16 ***
## LanguageFrench   0.61380    0.09668    6.349 2.17e-10 ***
## LanguageItalian  0.80160    0.16892    4.745 2.08e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance:  4.9467e+01  on 2  degrees of freedom
## Residual deviance: -7.1054e-15  on 0  degrees of freedom
## AIC: 26.001
## 
## Number of Fisher Scoring iterations: 2

Unterschiede Erhebungsjahr

Zwischen den Jahren 1888 und 1900 gibt es keinen signifikanten Unterschied zwischen der Anzahl der Ü90 Jährigen.

## 
## Call:
## glm(formula = Number_Alessia ~ Year, family = "poisson", data = data.model, 
##     offset = log(Pop_total))
## 
## Deviance Residuals: 
## [1]  0  0
## 
## Coefficients:
##              Estimate Std. Error  z value Pr(>|z|)    
## (Intercept) -8.685816   0.045038 -192.856   <2e-16 ***
## Year1900     0.004993   0.061681    0.081    0.935    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance:  6.5542e-03  on 1  degrees of freedom
## Residual deviance: -9.8588e-14  on 0  degrees of freedom
## AIC: 20.21
## 
## Number of Fisher Scoring iterations: 2

Unterschiede Höhe Wohnort

Regression Alter

• Nur Daten mit einem Sterbealter
• Alle Modelle sind immer nach Erhebungsjahr kontrolliert

Nur das Jahr: Zwischen 1888 und 1900 gibt es keinen sigifikanten Unterschied im Sterbealter

## 
## Call:
## lm(formula = Age ~ Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.1517 -1.1517 -0.1517  1.1010  8.8483 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept) 53.14749   20.91116   2.542   0.0112 *
## Year         0.02105    0.01104   1.908   0.0568 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 915 degrees of freedom
## Multiple R-squared:  0.003961,   Adjusted R-squared:  0.002873 
## F-statistic: 3.639 on 1 and 915 DF,  p-value: 0.05676

Sprachregionen: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und den Sprachregionen

## 
## Call:
## lm(formula = Age ~ Language + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.2753 -1.2753 -0.0894  1.1705  8.7247 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)  
## (Intercept)     52.11231   20.93084   2.490   0.0130 *
## LanguageGerman  -0.18586    0.14775  -1.258   0.2087  
## LanguageItalian -0.05078    0.26082  -0.195   0.8457  
## Year             0.02166    0.01105   1.961   0.0502 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 913 degrees of freedom
## Multiple R-squared:  0.005792,   Adjusted R-squared:  0.002525 
## F-statistic: 1.773 on 3 and 913 DF,  p-value: 0.1507

Wohnhöhe: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und der Wohnhöhe

## 
## Call:
## lm(formula = Age ~ W_Hoehe + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.6056 -1.4332 -0.1043  1.1096  8.8179 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)  
## (Intercept) 5.250e+01  2.089e+01   2.513   0.0121 *
## W_Hoehe     4.368e-04  2.419e-04   1.806   0.0713 .
## Year        2.126e-02  1.102e-02   1.928   0.0541 .
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.994 on 914 degrees of freedom
## Multiple R-squared:  0.007502,   Adjusted R-squared:  0.00533 
## F-statistic: 3.454 on 2 and 914 DF,  p-value: 0.03202

Wohnhöhe Kategorial: Es gibt keine signifikanten Unterschiede zwischen Sterbealter und der Wohnhöhe

## 
## Call:
## lm(formula = Age ~ W_Hoehe_cat + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.2924 -1.2924 -0.0826  1.1791  8.7076 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)  
## (Intercept)              51.64153   20.91993   2.469   0.0137 *
## W_Hoehe_cat(600,2.2e+03]  0.20980    0.13838   1.516   0.1298  
## Year                      0.02181    0.01104   1.975   0.0485 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.995 on 914 degrees of freedom
## Multiple R-squared:  0.00646,    Adjusted R-squared:  0.004286 
## F-statistic: 2.971 on 2 and 914 DF,  p-value: 0.05173

Interaktion Wohnhöhe + Sprachregion: Es gibt keine signifikanten Interaktionen zwischen Sterbealter, Wohnhöhe und Sprachregion

## 
## Call:
## lm(formula = Age ~ W_Hoehe * Language + Year, data = data_age)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.4208 -1.5265 -0.1043  1.0985  8.7006 
## 
## Coefficients:
##                           Estimate Std. Error t value Pr(>|t|)  
## (Intercept)             51.9658979 20.9342864   2.482   0.0132 *
## W_Hoehe                  0.0006583  0.0004422   1.489   0.1369  
## LanguageGerman           0.0131765  0.3728580   0.035   0.9718  
## LanguageItalian          0.2589132  0.5052885   0.512   0.6085  
## Year                     0.0215237  0.0110545   1.947   0.0518 .
## W_Hoehe:LanguageGerman  -0.0002918  0.0005584  -0.523   0.6014  
## W_Hoehe:LanguageItalian -0.0004840  0.0007105  -0.681   0.4959  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.997 on 910 degrees of freedom
## Multiple R-squared:  0.009572,   Adjusted R-squared:  0.003041 
## F-statistic: 1.466 on 6 and 910 DF,  p-value: 0.1869